Analytics Engineer (dbt / Lakehouse / BI) Ищем Analytics Engineer’а, который будет строить аналитические модели и витрины в lakehouse-архитектуре: от “staging” до готовых витрин под продукт/BI, с акцентом на качество данных, единые определения метрик и удобство self-service аналитики. Архитектура и стек: Lakehouse : S3/MinIO + Apache Iceberg + Hive Metastore. SQL / query layer : Trino (основной), местами StarRocks для low-latency витрин/агрегатов. Transformations : dbt Core (models/tests/docs/lineage), оркестрация через Airflow. BI : Apache Superset . Semantic layer (опционально) : Cube.js или dbt semantic layer. Governance : DataHub (каталог, lineage), доступы через политики OPA . Data Quality : dbt tests, Great Expectations .
Чем предстоит заниматься: Строить слой моделей dbt (staging → intermediate → marts), поддерживать инкрементальные загрузки, снапшоты, документацию и lineage. Проектировать витрины под продуктовые сценарии и BI (Superset): понятные схемы, согласованные метрики, “один источник правды”. Работать с данными clickstream/продуктовыми событиями и транзакционными источниками, помогать превращать их в надежные аналитические датасеты. Встраивать data quality: тесты dbt, ожидания Great Expectations, алерты на провалы качества/свежести. Оптимизировать SQL под Trino/Iceberg (партиционирование, статистики, минимизация сканов, правильная гранулярность витрин). Участвовать в data governance: описания, теги, владельцы, документация в DataHub; базовые контракты и доступы.
Сильный SQL и опыт построения аналитических витрин/моделей. Практический опыт dbt Core (models, macros, tests, docs). Понимание принципов моделирования данных (star schema, wide tables, incremental подходы, SCD где уместно). Опыт работы с BI-инструментами (Superset/Metabase/Tableau) и потребностями аналитиков/продукта. Будет плюсом: Опыт работы с Iceberg/Delta/Hudi и понимание особенностей lakehouse. Понимание Trino/Presto и оптимизации запросов. Знакомство с DataHub/каталогами и data quality фреймворками. Понимание realtime источников (Kafka/clickstream) и как их “приземлять” в аналитику.
Что мы предлагаем: Участие в развитии проекта со старта. Прямое влияние на конечный продукт. Перспективы профессионального и карьерного роста. Развитие в команде опытных коллег. Минимум бюрократии и быстрое принятие решений. Индивидуальное обсуждение графика и формата работы с каждым сотрудником.
Показать как в источнике
Senior/Middle Analytics Engineer
Analytics Engineer (dbt / Lakehouse / BI) Ищем Analytics Engineer’а, который будет строить аналитические модели и витрины в lakehouse-архитектуре: от “staging” до готовых витрин под продукт/BI, с акцентом на качество данных, единые определения метрик и удобство self-service аналитики. Архитектура и стек: Lakehouse : S3/MinIO + Apache Iceberg + Hive Metastore. SQL / query layer : Trino (основной), местами StarRocks для low-latency витрин/агрегатов. Transformations : dbt Core (models/tests/docs/lineage), оркестрация через Airflow. BI : Apache Superset . Semantic layer (опционально) : Cube.js или dbt semantic layer. Governance : DataHub (каталог, lineage), доступы через политики OPA . Data Quality : dbt tests, Great Expectations .
Чем предстоит заниматься: Строить слой моделей dbt (staging → intermediate → marts), поддерживать инкрементальные загрузки, снапшоты, документацию и lineage. Проектировать витрины под продуктовые сценарии и BI (Superset): понятные схемы, согласованные метрики, “один источник правды”. Работать с данными clickstream/продуктовыми событиями и транзакционными источниками, помогать превращать их в надежные аналитические датасеты. Встраивать data quality: тесты dbt, ожидания Great Expectations, алерты на провалы качества/свежести. Оптимизировать SQL под Trino/Iceberg (партиционирование, статистики, минимизация сканов, правильная гранулярность витрин). Участвовать в data governance: описания, теги, владельцы, документация в DataHub; базовые контракты и доступы.
Сильный SQL и опыт построения аналитических витрин/моделей. Практический опыт dbt Core (models, macros, tests, docs). Понимание принципов моделирования данных (star schema, wide tables, incremental подходы, SCD где уместно). Опыт работы с BI-инструментами (Superset/Metabase/Tableau) и потребностями аналитиков/продукта. Будет плюсом: Опыт работы с Iceberg/Delta/Hudi и понимание особенностей lakehouse. Понимание Trino/Presto и оптимизации запросов. Знакомство с DataHub/каталогами и data quality фреймворками. Понимание realtime источников (Kafka/clickstream) и как их “приземлять” в аналитику.
Что мы предлагаем: Участие в развитии проекта со старта. Прямое влияние на конечный продукт. Перспективы профессионального и карьерного роста. Развитие в команде опытных коллег. Минимум бюрократии и быстрое принятие решений. Индивидуальное обсуждение графика и формата работы с каждым сотрудником.